识别验证码继续爆破后台（三）

前言

前戏回顾（点击可直接访问）

识别验证码继续爆破后台

识别验证码继续爆破后台（二）

正文

有的时候，并不是说所有验证码用api或者tesseract都可以正确识别出来的，还是需要经过相关训练，让tesseract知道你想让它识别出来的验证码。

首先安装tesseract和其训练工具

brew install tesseract --with-training-tools

直接用命令识别验证码

tesseract 1.jpg 1

发现识别还是有点问题

我们利用jTessBoxEditor进行训练

首先我们先下载点图片下来

然后把要训练的图片合为tif格式

保存文件名为[lang].[fontname].exp[num].tif，如yuyan.ziti.exp0.tif

使用命令生成box文件

tesseract yuyan.ziti.exp0.tif yuyan.ziti.exp0 batch.nochop makeboxbox文件为各个分割出来的内容的坐标

利用jTessBoxEditor打开tif文件来对内容进行纠正并保存。

PS：x往左右移动大小不变， y上下移动大小不变，w往左右扩张 ，h上下扩张。

使用命令训练生成tr文件

tesseract yuyan.ziti.exp0.tif yuyan.ziti.exp0 nobatch box.train

使用命令输出字符集

unicharset_extractor yuyan.ziti.exp0.box

创建font_properties文件来表示字体样式信息。

内容为

ziti 0 0 0 0 0

使用命令创建聚类

shapeclustering -F font_properties -U unicharset –O yuyan.unicharset yuyan.ziti.exp0.tr

使用命令创建特征

mftraining -F font_properties -U unicharset yuyan.ziti.exp0.tr

使用命令输出数据文件

cntraining yuyan.ziti.exp0.tr

把unicharset, inttemp, normproto, pffmtable,shapetable这四个文件加上前缀"ziti"

使用命令生成语言包

combine_tessdata ziti.

复制traineddata文件到tesseract-OCR字体目录

先不用我们的字体识别一下试试

使用-l指定我们的字体包试试

后续

完。

原文始发于微信公众号（中国白客联盟）：识别验证码继续爆破后台（三）